Wie du in Cursor weniger Tokens verbrauchst: 6 Gewohnheiten, die die Nutzung senken

Dein Agent lief zehn Minuten, und der Usage-Zähler bewegte sich mehr, als die Aufgabe verdient hätte. Die kurze Antwort: Cursor rechnet pro Million Tokens ab, und ein langer Chat lässt jeden neuen Schritt die gesamte Historie erneut mitschicken. Halte Threads kurz, halte den Kontext klein, und nutze kein teures Modell für kleine Änderungen.

Wofür du tatsächlich bezahlst#

Cursors Seite zu Modellen und Preisen (geprüft am 24. Oktober 2026; die Seite zeigt kein Veröffentlichungsdatum) listet Preise pro Million Tokens, aufgeteilt in vier Teile: Input, Cache Write, Cache Read und Output. Input ist das, was Cursor an das Modell sendet: deine Nachricht, die Dateien, die Historie. Output ist das, was das Modell zurückschreibt. Cache Write und Cache Read sind die vergünstigten Teile für Text, der bereits gesendet wurde.

Zwei weitere Details von derselben Seite sind für deine Gewohnheiten wichtig:

• Langer Kontext kostet mehr. Grok 4.7 Input über 256k Tokens wird mit 2x abgerechnet; einige Claude-1M-Varianten mit 2x über 200k Input. Die Details sind modellspezifisch, prüfe also die Seite für das Modell, das du nutzt.
• Drittanbieter-Modelle (Claude, GPT, Gemini) sind nicht im inkludierten wöchentlichen Pool. Bei Premium und höher werden sie zum API-Listenpreis aus Prepaid-Guthaben abgerechnet; bei Free oder Plus sind sie nicht verfügbar.

Die folgenden Gewohnheiten ergeben sich daraus, wie Token-Abrechnung funktioniert: Jeder Schritt sendet erneut, was bereits im Thread steht.

Gewohnheit 1: Starte einen neuen Chat, wenn sich die Aufgabe ändert#

Ein KI-Modell hat kein Gedächtnis zwischen Anfragen. Jeder Schritt eines Agenten sendet den bisherigen Thread erneut, was dem Effekt entspricht, der in warum ein langer KI-Chat mehr kostet beschrieben ist. Schritt 5 ist günstig. Schritt 150 trägt 149 Schritte Historie mit sich.

Angenommen, du beendest ein Refactoring in einem Thread und bittest dann denselben Thread, einen Tippfehler in der README zu korrigieren. Nichts im Thread hilft bei dem Tippfehler, aber alles wird erneut abgerechnet. Öffne einen neuen Chat, nenne die Datei, fertig.

Cursors Dokumentation zur Zusammenfassung (24. Oktober 2026) ergänzt eine Sache, die man wissen sollte: Das Wiederherstellen eines Checkpoints setzt nur Dateien zurück und entfernt keine Nachrichten aus der Konversation. Wenn du eine schlechte Änderung rückgängig machst und weiterchattest, fährt der schlechte Versuch weiter mit. Wenn ein Versuch schiefging, ist ein frischer Chat sauberer als ein Restore.

Gewohnheit 2: Zeige auf die Datei, nicht auf den Ordner#

Eine große eingefügte Datei oder ein Haufen @-Erwähnungen geht bei jedem folgenden Schritt in den Input ein. Zehn erwähnte Dateien mit je 2.000 Tokens fügen jedem Schritt 20.000 Tokens hinzu, und bei einer 100-Schritte-Session sind das 2.000.000 Input-Tokens für Kontext, den das Modell größtenteils nicht brauchte.

Erwähne die eine Datei oder Funktion, die die Aufgabe betrifft. Wenn das Modell mehr braucht, kann es danach fragen oder es selbst lesen.

Gewohnheit 3: Bleib unter der Long-Context-Grenze#

Weil langer Kontext bei manchen Modellen zu einem höheren Satz abgerechnet wird, wird ein Thread, der die Schwelle überschreitet, doppelt teuer: mehr Tokens und ein höherer Satz darauf. Wenn du siehst, dass ein Thread in Richtung einiger hunderttausend Tokens wächst, ist das das Signal, abzuschließen und mit einer kurzen Zusammenfassung neu zu starten, die du selbst schreibst: zwei oder drei Zeilen dazu, was erledigt ist und was als Nächstes kommt.

Gewohnheit 4: Passe das Modell an die Aufgabe an#

Eine Variable umzubenennen braucht nicht dasselbe Modell wie das Entwerfen eines Moduls. Auf der Modelle-Seite werden Drittanbieter-Modelle zum API-Listenpreis abgerechnet, ein teures Modell für kleine Änderungen ist also der schnellste Weg, Guthaben zu verbrennen. Nutze das schwere Modell für Planung und schwierige Bugs; nutze ein günstigeres für Routineänderungen und Fragen.

Auto hat die Modi Cost, Balance und Intelligence. Einzelpläne haben nur den Cost-Modus, der aus dem wöchentlichen Pool schöpft, welches Modell auch immer die Anfrage bedient. Balance und Intelligence sind für Teams und Enterprise mit Cursor Router.

Gewohnheit 5: Bitte um kurze Antworten, wenn du kurze Antworten willst#

Output-Tokens werden bei den meisten Modellen zu einem höheren Satz abgerechnet als Input-Tokens (siehe Input vs. Output Tokens). „Zeige nur die geänderte Funktion“ kostet weniger als „schreibe die Datei neu“ und ist leichter zu prüfen.

Gewohnheit 6: Verlege Routine-Chat-Arbeit auf ein günstiges Modell mit deinem eigenen Key#

Für alltägliche Fragen und Änderungen im Chat kannst du Cursor, auf Plänen, die es erlauben, auf einen eigenen OpenAI-kompatiblen Key zeigen lassen. Cursors Modelle-Seite (24. Oktober 2026) sagt, dass deine eigenen API-Keys bei Plus nicht verfügbar sind; bei Teams und Enterprise addiert Cursor seinen eigenen Token-Satz auf die API-Preise, was die unten genannten Kosten nicht enthalten. Wie du es einrichtest und welche Cursor-Features mit einem eigenen Key funktionieren, steht in How to connect Cursor to CheapTokens. Die Base-URL ist https://api.cheaptokens.dev/v1.

Welches Modell? Für lange Sessions mit großem Kontext ist deepseek-ai/DeepSeek-V4-Flash-0731 das, was du ausprobieren solltest: ein Preis zu jeder Tageszeit, 380K Kontext, bis zu 32.768 Output-Tokens pro Antwort. Für Routineänderungen und schnelle Fragen hat MiniMaxAI/MiniMax-M2.7 180K Kontext und bis zu 8.192 Output-Tokens pro Antwort, und sowohl Input als auch Output sind günstiger als bei OpenRouter.

Was eine Session kostet: vorher und nachher#

Setzen wir Zahlen auf Gewohnheit 1. Nimm eine Agenten-Session mit 200 Schritten und etwa 300 Output-Tokens pro Schritt an, also insgesamt 60.000 Output-Tokens. In einem endlosen Thread wächst die Historie, und der durchschnittliche Schritt sendet etwa 10.000 Input-Tokens: 200 × 10.000 = 2.000.000 Input-Tokens. Mit einem frischen Chat etwa alle zwölf Schritte sinkt der Durchschnitt auf rund 3.000: 200 × 3.000 = 600.000 Input-Tokens. Gleiche Arbeit, gleicher Output.

Bei MiniMax-M2.7, Token-Kosten zu den heutigen API-Preisen:

• ein langer Thread (2.000.000 in, 60.000 out): $0.109
• kurze Chats (600.000 in, 60.000 out): $0.039

Der Input schrumpft auf unter ein Drittel, und das ist der Teil, den du mit den Gewohnheiten 1 bis 3 kontrollierst. Hier ist die Long-Thread-Session auf jedem Modell, das wir haben:

Das sind Live-Preise aus der Preisliste, sie aktualisieren sich, wenn sich Tarife ändern. Wie sich Input und Output bei echten Aufgaben aufteilen, steht in wie viele Tokens eine API-Anfrage verbraucht und Input vs. Output Tokens.

Kurzer Check, bevor du auf Senden drückst#

1. Hat sich die Aufgabe geändert, seit dieser Chat begann? Neuer Chat.
2. Erwähnst du mehr als die Dateien, die die Aufgabe betrifft? Kürzen.
3. Ist das eine kleine Änderung auf einem teuren Modell? Wechseln.
4. Fühlt sich der Thread lang an? Schreibe zwei Zeilen Zusammenfassung und starte neu.

Um Chat-Arbeit auf einem günstigen Modell laufen zu lassen, beginne mit den CheapTokens docs und der pricing page. Die Preise auf Cursors Seite ändern sich, prüfe also seine Modelle- und Preisseite, bevor du einen Monat planst.